五子棋AI算法第五篇-算杀

关于剪枝问题

前面讲到的通过Alpha-Beta剪枝和启发式搜索可以将4层搜索的平均时间降低到1秒以下。只有这两个优化方式其实目前最多可以做到6层搜索，就是把AI和玩家各向后推算三步。

6层搜索的棋力其实相当弱，碰到经常玩五子棋的人基本都会输，更不要说对五子棋有研究的玩家。以目前的平均一个节点有50个子节点的搜索方式，把搜索效率提高50倍则可以增加一层搜索深度。而除了前面讲到的AlphaBeta剪枝和启发式搜索，其他的剪枝算法基本都是非安全剪枝。也就是说后序我们会使用一些非安全的剪枝算法来提升搜索效率，而这样做的话，有一定的概率会剪掉一些有益的分支。

这里我们把启发式搜索也当做一种剪枝算法，其实它的实际作用就是剪枝。

克服水平线效应

假设我们目前搜索深度为N层，那么AI只会考虑N层以内的利益，而对N+1层以及以后的局势全然没有任何考虑。那么造成的结果就是AI就是一个视力为N的近视眼，很容易因为N层以内的短期利益而造成大局上的劣势，这就是水平线效应。

如果我们提高搜索深度，依然会存在水平线效应，只是这个水平线会隐藏的更深。想要克服水平线效应，那么就需要在一定情况下对N层以外的节点进行搜索。当然，我们不可能搜索整个博弈树，所以只能在某些前提下进行一些代价不高的深入搜索。

这里我们先实现一种最简单的克服水平线效应的方式-算杀。所谓算杀就是计算出杀棋，杀棋就是指一方通过连续的活三和冲四进行进攻，一直到赢的一种走法。
很显然，同样的深度，算杀要比前面讲的搜索效率高很多。因为算杀的情况下，每个节点只计算活三和冲四的子节点。所以同样是1秒钟的时间，搜索只能进行4层，而算杀很多时候可以进行到12层以上。
为了方便&#x